تتزايد التهديدات السيبرانية بشكل متسارع، ويتطلب الأمر تطوير أساليب فعّالة للكشف عن البرمجيات الضارة التي تهدد الشبكات. في هذا السياق، تم طرح دراسة جديدة توضح كيفية استخدام التعلم الآلي، وبشكل خاص الشبكات العصبية، لتحديد البرمجيات الضارة بدقة أعلى.

على الرغم من فعالية الأنظمة الحالية المعتمدة على تقنيات التعلم الآلي، إلا أنها غالبا ما تفتقر إلى استخدام المعرفة الحقيقية حول التكتيكات، التقنيات، والإجراءات (Tactics, Techniques, and Procedures - TTPs) المستخدمة في الهجمات. ويؤدي هذا النقص إلى عدم دقة الأنظمة، حيث تعجز عن ربط الأنشطة الخبيثة باستخدام TTPs أو عدم قدرتها على تحديد أي TTP تم استغلاله بشكل ضار.

تقدم الدراسة نهجا مبتكرا يقوم على تزويد نموذج الشبكة العصبية بمعلومات عن TTPs المرتبطة بكل عينة. يتم تعليم الشبكة العصبية ليس فقط الكشف عن النشاط الضار بشكل عام، بل وأيضاً تحديد TTPs بالتحديد التي تم استخدامها بشكل خبيث.

ويظهر البحث أن هذا النهج يتفوق بشكل مستمر على ثلاثة نماذج بديلة لا تستند إلى معلومات TTP أو ليست مصممة للكشف عن الاستخدام الضار لها. كما يتضح أن النموذج الجديد يتمتع بمزايا إضافية في كشف البرمجيات الضارة التي تستخدم TTPs غير الشائعة، وهي حالة تمثل تحدياً كبيراً للأنظمة الأخرى. وعلاوة على ذلك، يسمح النموذج بتخصيص الكشف بناءً على TTPs، مما يعزز من قدراته في التعرف على الاستخدامات الضارة.

بناءً على النتائج، يمكن القول إن هذا التطور الجديد يعد قفزة نوعية في مكافحة البرمجيات الضارة، وقد يغير مشهد الأمان السيبراني إلى الأبد. في ضوء هذه المعلومات، ما رأيكم في مستقبل الأمان السيبراني؟ شاركونا آراءكم في التعليقات.